L'observation adaptative (OA) est une pratique de prévision numérique du temps (PNT) qui cherche à prévoir quel jeu (ou réseau) d'observations supplémentaires à déployer et à assimiler dans le futur améliorera les prévisions. L'objectif est d'accroître la qualité des prévisions météorologiques en ajoutant des observations là où elles auront le meilleur impact (optimal). Des méthodes numériques d'OA apportent des réponses objectives mais partielles. Elles prennent en compte à la fois les aspects dynamiques de l'atmosphère à travers le modèle adjoint, et aussi le système d'assimilation de données. Le système d'assimilation de données le plus couramment utilisé pour l'OA est le 4D-Var. Ces méthodes linéaires (technologie de l'adjoint) reposent cependant sur une réalisation déterministe (ou trajectoire) unique. Cette trajectoire est entachée d'une incertitude qui affecte l'efficacité de l'OA. Le point de départ de ce travail est d'évaluer l'impact de l'incertitude associée au choix de cette trajectoire sur une technique: la KFS. Un ensemble de prévisions est utilisé pour étudier cette sensibilité. Les expériences réalisées dans un cadre simplifié montrent que les solutions de déploiement peuvent changer en fonction de la trajectoire choisie. Il est d'autant plus nécessaire de prendre cette incertitude en considération que le système d'assimilation utilisé n'est pas vraiment optimal du fait de simplifications liées à sa mise en oeuvre. Une nouvelle méthode d'observation adaptative, appelée Variance Reduction Field (VRF), a été développée dans le cadre de cette thèse. Cette méthode permet de déterminer la réduction de variance de la fonction score attendue en assimilant une pseudo-observation supplémentaire pour chaque point de grille. Deux approches de la VRF sont proposées, la première est basée sur une simulation déterministe. Et la seconde utilise un ensemble d'assimilations et de prévisions. Les deux approches de la VRF ont été implémentées et étudiées dans le modèle de Lorenz 96. Le calcul de la VRF à partir d'un ensemble est direct si l'on dispose déjà des membres de l'ensemble. Le modèle adjoint n'est pas nécessaire pour le calcul.L'implémentation de la VRF dans un système de prévision du temps de grande taille, tel qu'un système opérationnel, n'a pas pu être réalisée dans le cadre de cette thèse. Cependant, l'étude de faisabilité de la construction de la VRF dans l'environnement OOPS a été menée. Une description de OOPS (version 2013) est d'abord présentée dans le manuscrit, car cet environnement est une nouveauté en soi. Elle est suivie de la réflexion sur les développements à introduire pour l'implémentation de la VRF.

La thèse s'attache à évaluer la qualité d'un modèle de chimie-transport, non pas par une comparaison classique aux observations, mais en estimant ses incertitudes a priori dues aux données d'entrées, à la formulation du modèle et aux approximations numériques. L'étude de ces trois sources d'incertitude est menée respectivement grâce à des simulations Monte Carlo, des simulations multi-modèles et des comparaisons entre schémas numériques. Une incertitude élevée est mise en évidence, pour les concentrations d'ozone. Pour dépasser les limitations dues à l'incertitude, une stratégie réside dans la prévision d'ensemble. En combinant plusieurs modèles (jusqu'à quarante-huit modèles) sur la bases des observations passées, les prévisions peuvent être significativement améliorées. Ce travail a aussi été l'occasion de développer un système de modélisation innovant, Polyphemus.

La prévision d'ensemble à l'échelle saisonnière avec des modèles de circulation générale a connu un essor certain au cours des vingt dernières années avec la croissance exponentielle des capacités de calcul, l'amélioration de la résolution des modèles, et l'introduction progressive dans ceux-ci des différentes composantes (océan, atmosphère, surfaces continentales et glace de mer) régissant l'évolution du climat à cette échelle. Malgré ces efforts, prévoir la température et les précipitations de la saison à venir reste délicat, non seulement sur les latitudes tempérées mais aussi sur des régions sujettes à des aléas climatiques forts comme l'Afrique de l'ouest pendant la saison de mousson. L'une des clés d'une bonne prévision est la prise en compte des incertitudes liées à la formulation des modèles (résolution, paramétrisations, approximations et erreurs). Une méthode éprouvée est l'approche multi-modèle consistant à regrouper les membres de plusieurs modèles couplés en un seul ensemble de grande taille. Cette approche a été mise en œuvre notamment dans le cadre du projet européen ENSEMBLES, et nous montrons qu'elle permet généralement d'améliorer les rétro-prévisions saisonnières des précipitations sur plusieurs régions d'Afrique par rapport aux modèles pris individuellement. On se propose dans le cadre de cette thèse d'étudier une autre piste de prise en compte des incertitudes du modèle couplé CNRM-CM5, consistant à ajouter des perturbations stochastiques de la dynamique du modèle d'atmosphère ARPEGE-Climat. Cette méthode, baptisée “dynamique stochastique”, consiste à introduire des perturbations additives de température, humidité spécifique et vorticité corrigeant des estimations d'erreur de tendance initiale du modèle. Dans cette thèse, deux méthodes d'estimation des erreurs de tendance initiale ont été étudiées, basées sur la méthode de nudging (guidage) du modèle vers des données de référence. Elles donnent des résultats contrastés en termes de scores des rétro-prévisions selon les régions étudiées. Si on estime les corrections d'erreur de tendance initiale par une méthode de nudging itéré du modèle couplé vers les réanalyses ERA-Interim, on améliore significativement les scores sur l'hémisphère Nord en hiver en perturbant les prévisions saisonnières en tirant aléatoirement parmi ces corrections. Cette amélioration est accompagnée d'une nette réduction des biais de la hauteur de géopotentiel à 500 hPa. Une rétro-prévision en utilisant des perturbations dites“optimales” correspondant aux corrections d'erreurs de tendance initiale du mois en cours de prévision montre l'existence d'une information à l'échelle mensuelle qui pourrait permettre de considérablement améliorer les prévisions. La dernière partie de cette thèse explore l'idée d'un conditionnement des perturbations en fonction de l'état du modèle en cours de prévision, afin de se rapprocher si possible des améliorations obtenues avec ces perturbations optimales / Over the last twenty years, research in ensemble predictions at a seasonal timescale using general circulation models has undergone a considerable development due to the exponential growth rate of computing capacities, the improved model resolution and the introduction of more and more components (ocean, atmosphere, land surface and sea-ice) that have an impact on climate at this time scale. Regardless of these efforts, predicting temperature and precipitation for the upcoming season is a difficult task, not only over mid-latitudes but also over regions subject to high climate risk, like West Africa during the monsoon season. One key to improving predictions is to represent model uncertainties (due to resolution, parametrizations, approximations and model error). The multimodel approach is a well-tried method which consists in pooling members from different individual coupled models into a single superensemble. This approach was undertaken as part of the European Commission funded ENSEMBLES project, and we find that it usually improves seasonal precipitation re-forecasts over several regions of Africa with respect to individual model predictions. The main goal of this thesis is to study another approach to addressing model uncertainty in the global coupled model CNRM-CM5, by adding stochastic perturbations to the dynamics of the atmospheric model ARPEGE-Climat. Our method, called “stochastic dynamics”, consists in adding additive perturbations to the temperature, specific humidity and vorticity fields, thus correcting estimations of model initial tendency errors. In this thesis, two initial tendency error estimation techniques were studied, based on nudging the model towards reference data. They yield different results in terms of re-forecast scores, depending on the regions studied. If the initial tendency error corrections are estimated using an iterative nudging method towards the ERA-Interim reanalysis, seasonal prediction scores over the Northern Hemisphere in winter are significantly improved by drawing random corrections. The 500 hPa geopotential height is also clearly reduced. A re-forecast using “optimal” perturbations drawn within the initial tendency error corrections from the current forecast month shows that useful information at a monthly timescale exists, and could allow significant forecast improvement. The last part of this thesis focuses on the idea of classifying the model perturbations according to its current state during the forecast, in order to take a step closer (if possible) to the improvements noted with these optimal perturbations

L'évaluation de l'incertitude associée à la prévision numérique du temps à haute résolution, et en particulier l'estimation de la prévisibilité des événements de fortes précipitations en région méditerranéenne, sont les objectifs de ce travail de thèse. Nous avons procédé à l'étude de quatre sources d'incertitude contrôlant la prévisibilité de ces événements : la description des conditions d'échelle synoptique, la représentation des conditions atmosphériques à méso-échelle (notamment le flux de basses couches alimentant le système convectif), le rôle de processus physiques complexes tels que l'établissement d'une plage froide sous orage, et enfin la définition des conditions de surface. Pour quantifier l'impact de ces différentes sources d'incertitude, nous avons opté pour la méthode des prévisions d'ensemble avec le modèle AROME. Chaque source d'incertitude est étudiée individuellement à travers la génération de perturbations pertinentes, et les ensembles ainsi obtenus sont évalués dans un premier temps pour des cas de fortes précipitations. Nous avons aussi procédé à une évaluation statistique du comportement des prévisions d'ensemble réalisées sur des périodes de prévision longues de deux à quatre semaines. Cette évaluation, ainsi que celle de systèmes de prévision d'ensemble échantillonnant plusieurs sources d'incertitude simultanément, permettent d'établir une hiérarchisation de ces sources d'incertitude et enfin quelques recommandations en vue de la mise en place d'un système de prévision d'ensemble à échelle convective opérationnel à Météo-France / This PhD thesis aims at quantifying the uncertainty of convection-permitting numerical weather forecasts, with a particular interest in the predictability of Mediterranean heavy precipitating events. Four uncertainty sources, which impact the predictability of these events, were investigated : the description of the synoptic-scale circulation, the representation of meso-scale atmospheric conditions (especially the low-level jet feeding the convective systems with moist and unstable air), the impact of complex physical processes such as the setting up of a cold pool, and the definition of surface conditions. To quantify the impact of these four uncertainty sources, the ensemble forecasting technique was chosen, using the AROME model. Each uncertainty source is studied separately through the definition of dedicated perturbations, and the resulting ensembles are first evaluated over heavy precipitation case studies. We then proceed to a statistical evaluation of the ensembles for 2- and 4-week long forecast periods. This evaluation, completed with the design of ensembles sampling several uncertainty sources together, allows us to draw some practical tips for the design of an operational convective scale ensemble forecasting system at Météo-France

L'observation adaptative (OA) est une pratique de prévision numérique du temps (PNT) qui cherche à prévoir quel jeu (ou réseau) d'observations supplémentaires à déployer et à assimiler dans le futur améliorera les prévisions. L'objectif est d'accroître la qualité des prévisions météorologiques en ajoutant des observations là où elles auront le meilleur impact (optimal). Des méthodes numériques d'OA apportent des réponses objectives mais partielles. Elles prennent en compte à la fois les aspects dynamiques de l'atmosphère à travers le modèle adjoint, et aussi le système d'assimilation de données. Le système d'assimilation de données le plus couramment utilisé pour l'OA est le 4D-Var. Ces méthodes linéaires (technologie de l'adjoint) reposent cependant sur une réalisation déterministe (ou trajectoire) unique. Cette trajectoire est entachée d'une incertitude qui affecte l'efficacité de l'OA. Le point de départ de ce travail est d'évaluer l'impact de l'incertitude associée au choix de cette trajectoire sur une technique: la KFS. Un ensemble de prévisions est utilisé pour étudier cette sensibilité. Les expériences réalisées dans un cadre simplifié montrent que les solutions de déploiement peuvent changer en fonction de la trajectoire choisie. Il est d'autant plus nécessaire de prendre cette incertitude en considération que le système d'assimilation utilisé n'est pas vraiment optimal du fait de simplifications liées à sa mise en oeuvre. Une nouvelle méthode d'observation adaptative, appelée Variance Reduction Field (VRF), a été développée dans le cadre de cette thèse. Cette méthode permet de déterminer la réduction de variance de la fonction score attendue en assimilant une pseudo-observation supplémentaire pour chaque point de grille. Deux approches de la VRF sont proposées, la première est basée sur une simulation déterministe. Et la seconde utilise un ensemble d'assimilations et de prévisions. Les deux approches de la VRF ont été implémentées et étudiées dans le modèle de Lorenz 96. Le calcul de la VRF à partir d'un ensemble est direct si l'on dispose déjà des membres de l'ensemble. Le modèle adjoint n'est pas nécessaire pour le calcul.L'implémentation de la VRF dans un système de prévision du temps de grande taille, tel qu'un système opérationnel, n'a pas pu être réalisée dans le cadre de cette thèse. Cependant, l'étude de faisabilité de la construction de la VRF dans l'environnement OOPS a été menée. Une description de OOPS (version 2013) est d'abord présentée dans le manuscrit, car cet environnement est une nouveauté en soi. Elle est suivie de la réflexion sur les développements à introduire pour l'implémentation de la VRF. / The purpose of adaptive observation (AO) strategies is to design optimal observation networks in a prognostic way to provide guidance on how to deploy future observations. The overarching objective is to improve forecast skill. Most techniques focus on adding observations. Some AO techniques account for the dynamical aspects of the atmosphere using the adjoint model and for the data assimilation system (DAS), which is usually either a 3D or 4D-Var (ie. solved by the minimization of a cost function). But these techniques rely on a single (linearisation) trajectory. One issue is to estimate how the uncertainty related to the trajectory affects the efficiency of one technique in particular: the KFS. An ensemble-based approach is used to assess the sensitivity to the trajectory within this deterministic approach (ie. with the adjoint model). Experiments in a toy model show that the trajectory uncertainties can lead to significantly differing deployments of observations when using a deterministic AO method (with adjoint model and VDAS). This is especially true when we lack knowledge on the VDAS component. During this work a new tool for observation targeting called Variance Reduction Field (VRF)has been developed. This technique computes the expected variance reduction of a forecast Score function that quantifies forecast quality. The increase of forecast quality that is a reduction of variance of that function is linked to the location of an assimilated test probe. Each model grid point is tested as a potential location. The VRF has been implemented in a Lorenz 96 model using two approaches. The first one is based on a deterministic simulation. The second approach consists of using an ensemble data assimilation and prediction system. The ensemble approach can be easily implemented when we already have an assimilation ensemble and a forecast ensemble. It does not need the use of the adjoint model. The implementation in real NWP system of the VRF has not been conducted during this work. However a preliminary study has been done to implement the VRF within OOPS (2013 version). After a description of the different components of OOPS, the elements required for the implementation of the VRF are described.

La prévision d'ensemble à l'échelle saisonnière avec des modèles de circulation générale a connu un essor certain au cours des vingt dernières années avec la croissance exponentielle des capacités de calcul, l'amélioration de la résolution des modèles, et l'introduction progressive dans ceux-ci des différentes composantes (océan, atmosphère, surfaces continentales et glace de mer) régissant l'évolution du climat à cette échelle. Malgré ces efforts, prévoir la température et les précipitations de la saison à venir reste délicat, non seulement sur les latitudes tempérées mais aussi sur des régions sujettes à des aléas climatiques forts comme l'Afrique de l'ouest pendant la saison de mousson. L'une des clés d'une bonne prévision est la prise en compte des incertitudes liées à la formulation des modèles (résolution, paramétrisations, approximations et erreurs). Une méthode éprouvée est l'approche multi-modèle consistant à regrouper les membres de plusieurs modèles couplés en un seul ensemble de grande taille. Cette approche a été mise en œuvre notamment dans le cadre du projet européen ENSEMBLES, et nous montrons qu'elle permet généralement d'améliorer les rétro-prévisions saisonnières des précipitations sur plusieurs régions d'Afrique par rapport aux modèles pris individuellement. On se propose dans le cadre de cette thèse d'étudier une autre piste de prise en compte des incertitudes du modèle couplé CNRM-CM5, consistant à ajouter des perturbations stochastiques de la dynamique du modèle d'atmosphère ARPEGE-Climat. Cette méthode, baptisée "dynamique stochastique", consiste à introduire des perturbations additives de température, humidité spécifique et vorticité corrigeant des estimations d'erreur de tendance initiale du modèle. Dans cette thèse, deux méthodes d'estimation des erreurs de tendance initiale ont été étudiées, basées sur la méthode de nudging (guidage) du modèle vers des données de référence. Elles donnent des résultats contrastés en termes de scores des rétro-prévisions selon les régions étudiées. Si on estime les corrections d'erreur de tendance initiale par une méthode de nudging itéré du modèle couplé vers les réanalyses ERA-Interim, on améliore significativement les scores sur l'hémisphère Nord en hiver en perturbant les prévisions saisonnières en tirant aléatoirement parmi ces corrections. Cette amélioration est accompagnée d'une nette réduction des biais de la hauteur de géopotentiel à 500 hPa. Une rétro-prévision en utilisant des perturbations dites"optimales" correspondant aux corrections d'erreurs de tendance initiale du mois en cours de prévision montre l'existence d'une information à l'échelle mensuelle qui pourrait permettre de considérablement améliorer les prévisions. La dernière partie de cette thèse explore l'idée d'un conditionnement des perturbations en fonction de l'état du modèle en cours de prévision, afin de se rapprocher si possible des améliorations obtenues avec ces perturbations optimales

Un système de prévision d'ensemble locale (LEPS-Local Ensemble Prediction System) ciblant la prévision des brouillards et nuages bas sur l'aéroport international de Paris Charles de Gaulle a été développé pour la prévision courte échéance du risque d'occurrence de conditions LVP (Low visibility Procedure – visibilité < 600m et/ou plafond < 60m). Les sources d'incertitudes sur les entrées du modèle numérique COBEL-ISBA ont été identifiées sur les conditions initiales et sur les forçages de mésoéchelle. Une calibration bayesienne (BMA-Bayesian Model Averaging) a été appliquée sur l'ensemble afin d'améliorer la fiabilité du système. La validation de LEPS montre que ce système probabiliste fournit des prévisions fiables de courte échéance du risque d'occurrence de conditions LVP sur l'aéroport de Paris Charles de Gaulle. Si bien que LEPS ouvre des perspectives intéressantes pour la planification des vols, la sécurité et la gestion de la plate-forme aéroportuaire

La prévision des crues est un exercice hydrologique complexe : les incertitudes y sont nombreuses, aussi bien dans le processus de modélisation hydrologique, dans la détermination de l'état initial du bassin versant avant le lancement de la prévision, que dans l'évolution des conditions météorologiques futures. Dans le cas des bassins versants non jaugés, où les observations de débits sont lacunaires voire absentes, ces incertitudes sont encore plus importantes, et le besoin de les réduire devient incontournable. Cette thèse s'intéresse à des méthodes simples et robustes qui peuvent apporter de l'information pertinente pour quantifier les incertitudes de prévision dans les bassins versants non jaugés. Le but est d'étudier la meilleure stratégie pour chercher l'information dans les bassins jaugés "donneurs", et pour la transférer vers le site non jaugé. Nous étudions les besoins pour mettre en place un modèle de simulation pluie-débit et pour effectuer une mise à jour du modèle de prévision en temps réel. Ces deux composantes de la prévision sont ainsi découplées dans notre approche. Cette thèse s'appuie sur une large base de données constituée d'environ 1000 bassins versants français, dont un jeu clé de 211 bassins versants qui permet la validation des approches développées. Elle s'appuie également sur une archive d'environ 4,5 années de prévisions d'ensemble de pluies, utilisées en forçage à la modélisation hydrologique journalière. La démarche adoptée consiste à intégrer les scenarios de transfert de l'information régionale disponible et les scenarios de la prévision météorologique d'ensemble dans un système de prévision orienté vers les bassins versants non jaugés. L'approche de prévision d'ensemble est ainsi généralisée à ce cas particulier de la prévision hydrologique. A travers plusieurs scénarios de débits futurs, nous cherchons à quantifier les incertitudes de prévisions dans les sites cibles non jaugés. Pour évaluer les différents scénarios des prévisions hydrologiques émis, un cadre de diagnostic d'évaluation des principales qualités d'un système de prévision d'ensemble, comprenant plusieurs critères numériques et graphiques, a été mis en place. Dans cette thèse, une attention particulière est prêtée aux attributs "fiabilité" et "précision" des prévisions. Nous proposons ainsi un nouveau critère graphique, nommé diagramme de précision d'ensemble. Ce critère permet notamment de mettre en valeur la qualité des prévisions qui ne sont pas forcément fiables, mais qui sont précises. Les résultats obtenus ont mis en évidence que la fiabilité des prévisions peut être améliorée sur un bassin versant non jaugé par l'utilisation de plusieurs jeux de paramètres issus des bassins versants voisins. Si la variabilité apportée par le voisinage géographique influe sur la dispersion des membres, et augmente ainsi la fiabilité des prévisions, la prise en compte des caractéristiques physiques, principalement de la surface des bassins versants, est apparue comme une alternative intéressante, influençant positivement aussi l'attribut précision des prévisions sur le site cible. De plus, il a été montré que la précision des prévisions d'ensemble sur le site non jaugé est améliorée par l'intermédiaire du transfert des bassins versants jaugés vers le site cible des corrections faites lors de la mise à jour sur les bassins voisins (mise à jour caractérisée ici par l'assimilation de la dernière observation de débit dans le modèle hydrologique, avant l'instant de prévision). Les différentes mesures de performance ont montré que la meilleure option pour améliorer la précision des prévisions serait de considérer les corrections effectuées sur le bassin le plus proche à chaque pas de temps de prévision. Le krigeage a également donné des résultats satisfaisants, marqués en plus par l'influence positive sur l'attribut fiabilité des prévisions. / Flood forecasting is a complex hydrological task: there are numerous uncertainties in the hydrological modelling process, in the determination of the initial catchment conditions before launching the forecast, and in the evolution of future weather conditions. In ungauged catchments, where streamflow observations are incomplete or absent, these uncertainties are even greater, and the need to reduce them becomes essential.This thesis focuses on simple and robust methods that can provide relevant information to quantify the uncertainty in ungauged catchments. The aim is to study the best strategy to search for information in gauged "donors" basins and to transfer it to the ungauged site. We investigate what information is needed to set up a rainfall-runoff model and to perform forecast updating in real time. These two components of a flood forecasting system are thus decoupled in our approach.This thesis is based on a large database of about 1000 French catchments, which includes a key set of 211 catchments that are used to validate the developed approaches. It also relies on an archive of about 4.5 years of ensemble forecasts of rainfall, which are used for hydrological modelling on a daily time step. The methodology adopted here integrates the scenarios of regional transfer of information and the scenarios of weather forecasting together in a forecasting system for ungauged basins. The approach of ensemble forecasting is thus generalised to this particular case of hydrological forecasting. Using several scenarios of future flows, we seek to quantify the predictive uncertainty in ungauged sites.To evaluate the flow forecast scenarios of the hydrological ensemble prediction system, a diagnostic framework with several numerical and graphical criteria is developed. Special attention is paid to the attributes of "reliability" and "accuracy" of the forecasts. We propose a new graphic criterion, named "diagram of ensemble accuracy". This criterion allows to highlight the quality of forecasts that are not necessarily reliable, but are accurate.The results show that forecast reliability in ungauged sites can be improved by using several sets of parameters from neighbour catchments. If on the one hand the variability brought by the information from the geographical proximity influences the spread of the ensemble forecasts, and thus improves forecast reliability, on the other hand taking into account the physical characteristics of the catchments, especially the surface, emerged as an interesting alternative, as it positively influences also the accuracy of the forecasts at the ungauged site.It is also shown that the accuracy of ensemble forecasts at ungauged sites can be improved with the transfer of updating information from gauged neighbour catchments (forecasting updating is here characterized by the assimilation of the last discharge observation in the hydrological model before the time of forecast). The updating information transferred to the ungauged site is the correction applied to the routing reservoir of the hydrological model. Different measures of forecast performance showed that the best option to improve forecast accuracy is to consider the corrections made at the closest gauged site. Kriging also gave satisfactory results, with additionally a positive impact also on the reliability of the ensemble flow forecasts.

Les régions méditerranéennes sont soumises au risque de crue-éclair à l'automne. Le premier volet de cette thèse a permis d'évaluer l'apport du système couplé ISBA-TOPMODEL pour la simulation de ce type de crues sur trois bassins versants cévenols. Le potentiel des prévisions déterministes à fine échelle (telles que celles fournies par le modèle AROME) pour la prévision des débits est examiné dans le deuxième volet de la thèse. On montre que les erreurs de localisation de la prévision de pluie se propagent dans le modèle hydrologique en s'amplifiant. Finalement, pour quantifier ces incertitudes, une méthode de perturbation des pluies prévues par AROME est développée et utilisée pour générer des ensembles de débits prévus. La prévision d'ensemble des débits s'est montrée meilleure qu'une prévision de débits partant de la prévision déterministe de pluie.

Ce travail de thèse s'appuie sur l'utilisation du modèle couplé hydro-météorologique SAFRAN-ISBA-MODCOU.<br />D'abord, la modélisation couplée du bassin de la Seine est mise en place, en utilisant une représentation détaillée des aquifères du bassin. La capacité de SIM à simuler les différentes composantes des bilans d'eau et d'énergie, le comportement du souterrain, et donc les débits, est présentée. En particulier, SIM est évalué pour la simulation des crues lentes de la Seine à Paris.<br />Ensuite, une chaîne temps réel de prévision d'ensemble des débits sur la France, basée sur SIM, est construite, où ISBA et MODCOU sont forcés par les prévisions d'ensemble météorologiques du CEPMMT désagrégées. Une analyse statistique de la qualité des prévisions d'ensemble de précipitations désagrégées et des prévisions d'ensemble de débit est effectuée sur près d'un an de prévision. Enfin, une étude des prévisions d'ensemble de plusieurs cas de grandes crues du passé récent est présentée.